导读:本文包含了匹配分数论文开题报告文献综述及选题提纲参考文献,主要关键词:分数阶,神经网络,拟同步,泄露时滞
匹配分数论文文献综述
张建梅,包海波,曹进德[1](2019)在《参数不匹配下含有泄露时滞与多个传输时滞的分数阶忆阻器神经网络的拟同步》一文中研究指出本文主要讨论了一类在参数不匹配之下带有多个传输时滞与泄露时滞的分数阶忆阻器神经网络的拟同步问题.首先,给出了时滞线性反馈控制器;然后,根据分数阶微分包含、集合值映射理论和分数阶微分不等式理论等,得出了主从系统达到拟同步所满足的条件以及所对应的误差边界;最后,给出了一些数值模拟验证所得结论的有效性.(本文来源于《南京信息工程大学学报(自然科学版)》期刊2019年04期)
吴妙林[2](2019)在《叁类网络的分数匹配排除集研究》一文中研究指出随着信息技术的发展,互联网络的重要性日益凸显.然而,互联网络的处理器以及某些处理器之间的连线发生故障是不可避免的.因此,关于互联网络的稳定性成为目前研究关注的热点.因为网络的拓扑结构可以被模型化为图,所以图论就成为研究网络稳定性强有力的数学工具.图论中所涉及的匹配排除可作为网络中边缺失的鲁棒性度量,使其具有较大匹配排除数的网络被认为是更稳定的.分数匹配排除是匹配排除的一类推广,且得到了许多学者的关注.若图G=(V,E)是一个阶为n的简单无向图.G的一个边子集F满足G-F没有分数完美匹配,则称F是G的一个分数匹配排除集(简称:FMP集).G中所有FMP集合的最小元素个数称为G的分数匹配排除数(简称:fmp数).G的一个边和顶点的子集F满足G-F没有分数完美匹配,则称F是G的一个分数强匹配排除集(简称:FSMP集).G中所有FSMP集合的最小元素个数称为G的分数强匹配排除数(简称:fsmp数).最小基数的FMP(FSMP)集被称为最优分数匹配排除集(最优分数强匹配排除集).本文用图论的方法研究了叁类不同互联网络的稳定性,即对互联网络的匹配排除问题进行解决.主要结论如下:1.研究得出局部双扭立方体(LT Q_n)的强匹配排除数和分数匹配排除数都为n.且计算了3-维,4-维,5-维和n-维局部双扭立方体的分数强匹配排除数分别为:2,3,5和n.此外,还对最优分数强匹配排除集进行了讨论.2.讨论得出交叉立方体(CQ_n)的匹配排除数,强匹配排除数和分数匹配排除数都为n.且计算了3-维,4-维,5-维和n-维交叉立方体的分数强匹配排除数分别为:2,3,5和n.此外,还对最优分数强匹配排除集进行了讨论.3.研究得出广义Petersen图P(n,k)的匹配排除数和分数匹配排除数都为3.同时得出了广义Petersen图P(n,k)在不同条件下的分数强匹配排除数也都为3.(本文来源于《青海师范大学》期刊2019-03-01)
孙奇[3](2018)在《以分数阶微分为基础的尺度不变特征变换图像匹配算法分析》一文中研究指出进行数字图像处理主要是为了进一步提高图像质量以及其中特征等,以此有助于人或计算机进行识别与分析。在人类多元化需求不断提高的新形势下,进行图像处理在各个行业和学科都有涉猎,并且对精确度要求也非常高。图像特征提取在成功描述图像纹理、匹配图像、分割图像等领域都十分关键。分数阶微积分在信号处理中具有明显优势,其不仅可以有效增强图像,还可以保留图像的纹理细节。本文主要对以分数阶微分为基础的尺度不变特征变换图像匹配算法进行了深入探究,以期能够进一步提高图像质量。(本文来源于《电脑与电信》期刊2018年07期)
邵常峰[4](2018)在《带有不匹配干扰的分数阶系统的分数阶滑模控制研究》一文中研究指出随着系统控制精度的不断提高和分数阶微积分理论的不断发展,分数阶系统的控制问题得到了越来越多关注,其中,分数阶系统的抗干扰问题是一个重要研究方向。滑模控制作为一种具有优良鲁棒性的控制方法在处理匹配的干扰问题时具有良好的效果,但是对于不匹配干扰问题的处理稍显不足,因此,论文将分数阶微积分引入到传统滑模控制中,针对带有不匹配干扰的两类分数阶系统提出了基于分数阶扰动观测器的分数阶滑模控制方法。首先,针对一类带有不匹配干扰的同元次分数阶系统,设计了新的分数阶扰动观测器来对系统的不匹配干扰进行估计,并基于该观测器设计了一种新的分数阶滑模控制器,给出了稳定性和有限时间收敛的证明。最后针对整数阶四旋翼飞行器系统和分数阶磁悬浮系统进行了仿真验证。然后,针对二阶欠驱动的非同元次分数阶系统,提出了一种带有扰动观测器的分数阶滑模控制方法。首先将非同元阶次的分数阶系统分解成两个分别具有同元阶次的分数阶子系统,对分数阶子系统分别设计分数阶扰动观测器,并给出有效性证明。然后基于分数阶扰动观测器的估计信息设计了分数阶滑模控制器,证明了滑模控制的有效性并给出了参数选取范围。最后通过对柔性连杆机械臂的仿真验证了所提方法的控制性能。相较于传统的整数阶滑模控制方法,论文提出的基于分数阶扰动观测器的分数阶滑模控制方法具有更快的收敛速度、更小的超调量以及更好的抖振抑制效果并且能很好的处理不匹配干扰问题;另外,相较于目前存在的分数阶滑模控制方法,论文提出的方法在收敛的快速性和降低超调量上也具有显着优势。(本文来源于《北京化工大学》期刊2018-05-31)
林瑞智[5](2018)在《关于图的匹配排除及分数匹配排除问题的研究》一文中研究指出设G是一个图,F是G的一个边子集.若G-F中没有完美匹配或几乎完美匹配,则称F是G的一个匹配排除集.称G中边数最少的匹配排除集为最优匹配排除集并将其边数称为G的匹配排除数,记为mp(G).图的匹配排除数最早由Brigham等提出,用于衡量互联网络在边故障条件下的健壮性.进一步,Cheng等提出了条件匹配排除的概念.若匹配排除集F满足G-F没有孤立点,则称F为G的一个条件匹配排除集.称G中边数最少的条件匹配排除集为最优条件匹配排除集并将其边数称为G的条件匹配排除数,记为mP1(G).当G是偶阶图时,我们将与一个顶点关联的所有边构成的集合称为平凡的匹配排除集,并由此可知mp(G)不超过G的最小度δ(G).对于一个偶阶图G,若mp(G= δ(G),则称图G是极大匹配的;进一步,若G是极大匹配的且所有最优匹配排除集都是平凡的,则称G是超匹配的.许多特殊图类的匹配排除数和条件匹配排除数都已经得到,并且它们的最优匹配排除集与最优条件匹配排除集也被完全刻画,如超立方体,k元n立方体,增广立方体等,这些图往往都是正则图并且被证明是极大匹配且超匹配的.本文中我们将首先研究无向二元de Bruijn图这一类非正则图的匹配排除和条件匹配排除问题;然后一般地研究正则图的匹配排除问题,分别给出了正则图是极大匹配和超匹配的充分必要条件,这个结果改进了 Cheng等给出的充分条件;进一步我们利用该结果研究了正则图的笛卡尔乘积图,直积图和强乘积图的超匹配性,其中关于笛卡尔乘积图的结论可以将一系列已有结果统一证明.特别地,我们还运用了线性规划方法及完美匹配多面体来研究匹配排除数并由此引入了分数匹配排除数.本论文共分为五章.在第一章中,我们首先给出一些本文中所需要的基本概念,术语和记号;然后介绍了匹配排除问题的研究背景和相关研究进展;最后给出了本文所得到的主要结果.在第二章中,我们研究了无向二元de Bruijn图UB(n)的匹配排除和条件匹配排除问题.首先我们考虑了二元de Bruijn图的条件边容错哈密尔顿性,然后以此为工具证明了当n≥4时,mp(UB(n))= 2且mp1(UB(N))=3,并刻画了其所有最优匹配排除集和最优条件匹配排除集.在第叁章中,我们分别刻画了极大匹配和超匹配的偶阶正则图.设G是一个r-正则的偶阶图.则具体结论如下:G是极大匹配的当且仅当它的每个非平凡奇割至少包含r条边;若G是二部图,则G是超匹配的当且仅当它的每个非平凡奇割至少包含r + 1条边;若G是非二部图,则G是超匹配的当且仅当它的每个非平凡奇割至少包含r + 1条边且独立数小于1/2|V(G)|-1.在第四章中,我们分别给出了正则图的叁类乘积图是超匹配的充分条件:设G和H是两个顶点数大于2的连通正则图.若G或H是极大匹配的,则它们的笛卡尔乘积图G□H,直积图G×H和强乘积图G(?)H都是超匹配的;若G是极大匹配的,则G□K2是超匹配的;若G是超边连通的且独立数小于1/2|V(G)|-1,则G ×K2是超匹配的;若G的边连通度等于最小度,则G(?)K2是超匹配的.其中关于笛卡尔乘积图的结论统一解决了一系列特殊图类的匹配排除问题.在第五章中,我们给出了一个求解偶阶图G的匹配排除数的整数规划并通过松弛其整数约束引入了分数匹配排除数mpf(G).首先我们证明了mPf(G)可以在多项式时间内求解;其次G是二部图时,给出了mpf(G)的显式表达式,并给出了它的一个组合解释:k=[mpf(G)]是使G有kk-因子的最大整数;最后我们证明了若G和H是两个二部图,则mpf(G□H)≥mpf(G)+[mpf(H)].(本文来源于《兰州大学》期刊2018-04-01)
刘峰瑞[6](2017)在《基于自适应分数阶阶次的图像增强和图像匹配》一文中研究指出图像增强和图像匹配是图像处理和计算机视觉领域的两个基础性的重要研究内容。传统的图像增强和图像匹配方法大多数是基于整数阶微积分,对图像中存在弱导数性质的弱边缘和弱纹理效果不理想。分数阶微分具有在增强图像的同时可以更好地保留图像中的弱边缘和弱纹理细节信息的优良特性,但已有的基于分数阶微分的图像增强方法,需要通过人工寻找最佳阶次,缺乏微分阶次自适应性;在图像匹配中,将SIFT(Scale Invariant Feature Transform)匹配算法与分数阶微分相结合,在模糊图像和弱纹理图像中能提取到更多的特征点,从而提高了匹配的精度,但是最佳微分阶次的选择仍然需要人工调整,费时费力。因此,本文针对这两个问题展开研究,具体工作如下:1.通过分析分数阶微分对信号的作用,构造了在分数阶微分图像增强中的微分阶次自适应模型,该模型以反正切函数为原型,以图像的梯度信息、局部信息熵、亮度和对比度为自变量,建立了分数阶微分阶次与图像局部信息之间的关系,从而可以根据图像的局部特征信息自动计算图像中各个像素点的最佳阶次,并将该模型应用到分数阶微分Tiansi算子的图像增强中。为了验证本文模型的有效性,选用标准图像库中的多幅纹理图像进行实验,对实验结果进行了定性和定量分析,并与二阶微分Laplacian算子,Tiansi算子进行比较。理论分析和实验结果均可表明本文建立模型的有效性,对灰度图像可以得到持续变化的增强效果,接近于最佳分数阶微分阶次的增强实验效果,符合人类在视觉上的感受。2.提出了一种自适应分数阶的SIFT算法,用于图像匹配。算法在Riemann-Liouvill(R-L)分数阶微分的基础上,设计了一种新的分数阶微分掩膜,并将其融入到SIFT算法中,提取到更多精确有效的关键点,从而提高了SIFT算法的匹配精度;然后根据图像的局部特征,构造了分数阶微分阶次自适应数学模型。该模型以反正切函数为原型,以图像的梯度信息、局部信息熵为自变量,建立了分数阶微分阶次与图像局部特征信息之间的关系,从而可以根据图像的局部特征信息自动计算图像中各个像素点的最佳阶次;为了验证本文算法和模型的有效性,选用标准库中的图像和真实图像进行实验,与原始SIFT算法和基于分数阶微分的SIFT算法进行比较;并对算法的效率和最佳微分阶次进行分析,理论分析和实验结果均表明本文算法的有效性。(本文来源于《南昌航空大学》期刊2017-06-01)
叶田[7](2016)在《农民工子女学业成绩的影响因素分析》一文中研究指出20世纪90年代中期以来,我国农村劳动力开始大规模地向城市迁移和流动,农民工子女这一独特群体也逐渐进入人们视线。本文从学业成绩的影响这一角度着手,通过对留守儿童、流动儿童与农村非留守儿童、城市本地儿童两两进行对比,利用中国教育追踪调查(CEPS)的调查数据,采用倾向分数匹配方法,深入分析了留守与流动对农民工子女学业发展的影响。研究结果表明:(1)城市儿童与农村儿童在个人、家庭、学校、地区特征变量上存在明显差异,城市儿童的学业成绩优于农村儿童。(2)留守对农村儿童认知测试成绩的影响不太明显,但是对于儿童语文、数学、英语成绩的负面影响十分显着。(3)城乡差异效应主要对儿童的认知测试成绩与英语成绩有显着的负向影响。(4)流动对农民工子女的各项学科成绩均存在正面的影响。综上所述,留守效应与城乡差异效应分别对儿童的不同学科成绩有着明显的负面影响,但流动儿童与留守儿童相比,学业成绩有显着提升。这说明,在留守与流动之间,儿童跟随父母流动是一个较优的选择。因此在短期内人口从农村向城市流动这一趋势无法改变的情况下,允许并鼓励留守儿童随父母一起迁移,保障农民工子女入学受教育权利,是我们亟需做的。(本文来源于《暨南大学》期刊2016-06-04)
郑作虎,王首勇[8](2016)在《复杂海杂波背景下分数低阶匹配滤波检测方法》一文中研究指出针对在复杂海杂波背景下,雷达目标检测中动目标检测(Moving Target Detection,MTD)技术的检测性能显着下降的问题,以及局部最优检测器(Locally Optimum Detector,LOD)仅适用于低信杂比背景下弱目标检测的问题,基于分数低阶统计量理论,提出了一种分数低阶匹配滤波检测方法.该方法通过幂变换抑制杂波的非高斯特性,通过应用杂波分数低阶协方差矩阵特征值分解的方法白化相关杂波,在此基础上应用匹配滤波进行目标积累,以提高信杂比.通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与MTD和LOD进行了比较.结果表明,本文所提出方法能较好地解决非高斯相关杂波背景下的目标检测问题,检测性能明显优于MTD和LOD方法.(本文来源于《电子学报》期刊2016年02期)
陈彬彬[9](2015)在《分数阶微分在边缘检测和图像匹配中的应用》一文中研究指出边缘提取和图像匹配是计算机视觉领域里的两大核心课题,边缘是图像中重要的视觉信息,是图像理解与场景感知的基础,而对于具有复杂纹理的图像,常用的边缘检测方法无法提取到有效的纹理细节;图像匹配在图像检索、目标识别、机器人导航、医学图像分析、医疗诊断、传感器网络和文字识别等众多领域有着广泛的应用和广阔的前景,SIFT算法是一种有效的基于局部特征的匹配算法,然而当图像较模糊或具有弱纹理等结构时必然会影响到SIFT特征的提取。因此,本文尝试展开分数阶在这两个问题中的应用进行研究,具体工作如下:1、详细讨论了分数阶微积分理论。分数阶微积分作为整数阶微积分的一个扩展,它可以处理任意阶的微积分运算,故其应用范围越来越广泛。随着分数阶微积分理论的不断发展,分数阶微积分在信号处理中的优势日益显着,在数字图像处理中,对图像信号进行分数阶处理,既能提升信号的高频成分,又能在一定程度上非线性地加强信号的中频部分,并非线性地保留信号的低频,这对于处理具有分形结构、弱纹理结构以及灰度均匀的图像具有很大的优势。2、提出一种基于分数阶微分的改进Canny算子。该方法利用GrünwaldLetnikov(G-L)分数阶微分定义来计算图像梯度,提高了边缘检测的精度和鲁棒性。基于该分数阶微分定义设计了一种新的边缘检测模板,并通过实验对比了不同的模板参数对边缘检测效果的影响。最后将本文的算法与常用的边缘检测方法及基于Riemann-Liouville(R-L)分数阶微分定义的边缘检测算子进行对比。实验证明,该算法具有较好的检测率和鲁棒性。3、提出一种基于分数阶微分的改进SIFT算法。为了提高SIFT算法匹配的准确性,我们利用分数阶微分提出了一种改进的SIFT算法。该算法结合高斯核函数和分数阶微分算子来计算图像金字塔,增强了图像的特征,检测到更稳定的极值点,从而提高了匹配精度。此外在该算法中,本文提出了一种新的分数阶微分算子。本文用数据库的图像以及真实图像分别进行实验,实验证明该算法能获得更好的匹配结果。(本文来源于《南昌航空大学》期刊2015-06-01)
杨荷英,王首勇,郑作虎[10](2014)在《基于分数低阶归一化匹配滤波的目标检测方法》一文中研究指出在非高斯相关杂波背景下,基于归一化匹配滤波检测方法的性能随着非高斯特性增强而下降.为消除非高斯性的影响,提出一种基于分数低阶归一化匹配滤波的雷达目标检测方法.首先对观测数据进行分数低阶幂运算处理,然后基于杂波分数低阶统计量给出了检测模型,该模型的杂波散斑分量协方差矩阵通过对杂波分数低阶协方差矩阵进行归一化而得到.仿真结果表明,在非高斯杂波背景下该方法的检测性能优于归一化匹配滤波方法及传统MTD方法.(本文来源于《空军预警学院学报》期刊2014年05期)
匹配分数论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
随着信息技术的发展,互联网络的重要性日益凸显.然而,互联网络的处理器以及某些处理器之间的连线发生故障是不可避免的.因此,关于互联网络的稳定性成为目前研究关注的热点.因为网络的拓扑结构可以被模型化为图,所以图论就成为研究网络稳定性强有力的数学工具.图论中所涉及的匹配排除可作为网络中边缺失的鲁棒性度量,使其具有较大匹配排除数的网络被认为是更稳定的.分数匹配排除是匹配排除的一类推广,且得到了许多学者的关注.若图G=(V,E)是一个阶为n的简单无向图.G的一个边子集F满足G-F没有分数完美匹配,则称F是G的一个分数匹配排除集(简称:FMP集).G中所有FMP集合的最小元素个数称为G的分数匹配排除数(简称:fmp数).G的一个边和顶点的子集F满足G-F没有分数完美匹配,则称F是G的一个分数强匹配排除集(简称:FSMP集).G中所有FSMP集合的最小元素个数称为G的分数强匹配排除数(简称:fsmp数).最小基数的FMP(FSMP)集被称为最优分数匹配排除集(最优分数强匹配排除集).本文用图论的方法研究了叁类不同互联网络的稳定性,即对互联网络的匹配排除问题进行解决.主要结论如下:1.研究得出局部双扭立方体(LT Q_n)的强匹配排除数和分数匹配排除数都为n.且计算了3-维,4-维,5-维和n-维局部双扭立方体的分数强匹配排除数分别为:2,3,5和n.此外,还对最优分数强匹配排除集进行了讨论.2.讨论得出交叉立方体(CQ_n)的匹配排除数,强匹配排除数和分数匹配排除数都为n.且计算了3-维,4-维,5-维和n-维交叉立方体的分数强匹配排除数分别为:2,3,5和n.此外,还对最优分数强匹配排除集进行了讨论.3.研究得出广义Petersen图P(n,k)的匹配排除数和分数匹配排除数都为3.同时得出了广义Petersen图P(n,k)在不同条件下的分数强匹配排除数也都为3.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
匹配分数论文参考文献
[1].张建梅,包海波,曹进德.参数不匹配下含有泄露时滞与多个传输时滞的分数阶忆阻器神经网络的拟同步[J].南京信息工程大学学报(自然科学版).2019
[2].吴妙林.叁类网络的分数匹配排除集研究[D].青海师范大学.2019
[3].孙奇.以分数阶微分为基础的尺度不变特征变换图像匹配算法分析[J].电脑与电信.2018
[4].邵常峰.带有不匹配干扰的分数阶系统的分数阶滑模控制研究[D].北京化工大学.2018
[5].林瑞智.关于图的匹配排除及分数匹配排除问题的研究[D].兰州大学.2018
[6].刘峰瑞.基于自适应分数阶阶次的图像增强和图像匹配[D].南昌航空大学.2017
[7].叶田.农民工子女学业成绩的影响因素分析[D].暨南大学.2016
[8].郑作虎,王首勇.复杂海杂波背景下分数低阶匹配滤波检测方法[J].电子学报.2016
[9].陈彬彬.分数阶微分在边缘检测和图像匹配中的应用[D].南昌航空大学.2015
[10].杨荷英,王首勇,郑作虎.基于分数低阶归一化匹配滤波的目标检测方法[J].空军预警学院学报.2014